エネルギーおよびノード寿命解析のための異種ネットワークモデル向けの新規自己最適化ウルフオプティマイザのモデリング

サマリー

本研究は、ワイヤレスセンサーネットワークにおけるエネルギー認識クラスタリングとルーティングのための自己最適化型ウルフオプティマイザ(SOWO)を実装・評価するプロトコルを提示し、段階的な設定と再現可能な評価を通じて寿命、スループット、残留エネルギーの向上を目指します。

要約

監視、情報収集、高リスク環境から安全な場所へのデータ送信といった重要なサービスは、無線センサーネットワーク(WSN)によって依然として提供されています。これらのサービスは、この目的のために設計された省エネルーティングプロトコルの大多数によって改善されています。均質ルーティングプロトコルが適用され、遠方のハブのエネルギー消費をより効率的に削減します。しかし、このプロトコルのエネルギー利用率が高く、信頼性が低く、長期間使用すると無線ルーター(WR)や基地局(BS)への情報ブロードキャストが不利になります。これらの欠点を克服するために、本研究では改良型自己最適化オオカミオプティマイザー(SOWO)が用いられています。異種ノードを現在のアプローチに組み込み、残ったエネルギーに基づいてヘッドを選択することで、接続全体にわたる多層的な相互作用戦略が導入されます。エネルギーホール除去法の採用は、開発されたルーティング技術の基盤です。いずれのアプローチもネットワークの寿命を延ばし、エネルギー消費を削減することを目指しています。この発見に基づき、提案されたルーティング方式は既存のものに比べて優れた整合性期間、残留エネルギー、スループット、ネットワーク寿命を示しています。本研究は、厳しいノードあたりのエネルギー予算の下で寿命と持続的な供給を最大化しつつ、負荷と公平性のバランスを保つという古典的なクラスタドWSNの問題に取り組んでいます。シミュレーション結果は、既存のアルゴリズムに比べてネットワーク安定性がそれぞれ3.4%と残差エネルギーで32.22%向上していることを示しています。

概要

ワイヤレスセンサーネットワーク(WSN)やモノのインターネット(IoT)は、さまざまな技術的課題に広く応用されています。¹.WSNは、ロボットがさまざまな用事をこなすなど、物資の移動を助けるためにさまざまな状況で使われてきました。IoTは当初から基本的な支援を提供してきました。特に安全でないフィールドからのデータ収集にあたります^。これらの技術が現在さまざまなシステムで利用されている具体的な理由があります。^例えば、園芸、医療サービス、生態観察、軍事調査、構造管理、交通管理、水位変動の監視など^です。

無線ネットワーク環境では、データは通常収集され、基地局(BS)と呼ばれる受信ノードに送信され、さらなる処理が行われます^。センサーノードは限られたリソースを効率的に活用し、ネットワークのパフォーマンスを継続的に向上させます。^{作業に関して}は、ノードのエネルギー消費を減らしネットワーク寿命を延ばす仕組みを開発することで、ワイヤレスセンサー^{ネットワークのパフォーマンス向上}が期待できます。センサー....

プロトコル

このセクションでは、このセグメントで開発された異種プロトコルについて説明します。この手法では、組織はセンサーハブを事前に設定されたエッジ距離に基づいて4つの論理的領域に分割します。ゲートウェイノードと基地局(BS)は検出フィールドの外部に配置され、ネットワークの中心点に別々に配置されます。ゲートウェイノードからの距離があらかじめ決められた距離より短いハブはフィールド1とフィールド2に割り当てられます。この場合、ノードは直接通信を用いてゲートウェイノードまたはBSにデータをブロードキャストします。これらのノードは均質ノードを表します。ノード間空間があらかじめ決められた閾値空間より大きく、WRノードに近いとします。その場合、 図1に示されるようにエリア3または4に位置します。これらのノードは異種ハブと呼ばれます。2つの領域で選択が行われ、その残留エネルギーを使ってCHを選択します。これらの領域からの情報はマルチホップ相互作用手法を用いてBSに送信されます。リージョン3のCHはゲートウェイノードに最終報告を提供し、情報を統合してBSにブロードキャストします。各エリアのノードは、エネルギー限界内の他のノードと情報を通信します。ノードが情報を送れなくなったときは、エネルギーを温存するために休みます。

ネットワークモデル
....

結果

ここでは、MATLAB R2024aがシミュレーションを用いた開発された異種ルーティングプロトコルとルーティングプロトコルを比較します。シミュレーションでは、100個の検出ノードのネットワークが任意に用いられ、100mごとに1つのノードの次元が設定されます。WRノードはネットワーク内の(50m、120m)および(50m、50m)に位置しています。(m が0.2、が1)を持つ均質ノードの約20%は、異質ノードよりもエネルギーが少ない。展開後はすべてのノードが静止したままです。本研究で使用されるシミュレーション変数は 表1に示されています。

ゲートウェイノードとCHは、予測通りにレポートを転送前に正常に集約します。したがって、このデモンストレーションでは核融合試験は使用されませんでした。しかし、それは将来の探査における最良の貢献となるでしょう。挙げられたパフォーマンス指標が評価の基礎となりました。熟練度は多次元的で、与えられた要素によって計算されます。

ディスカッション

提案されているSOWOは、WRと均質ノードを利用しています。安定選定プロトコルでは、異種ノードをCHとして使用し、クラスタ中央にBSノードが配置され、その周囲にセンサーノードが配置されています。基地局が領域¹⁴の外部に配置されている場合、エネルギーが増加します。これによりエネルギーが減少し、エネルギーレベルは非常に短時間でゼロになります。提案された手法は、従来の手法に比べてエネルギー削減率が低いです。これにより、エネルギー節約手法が開発されたモデルで実装され、使用されていることが証明されます。さらに、 図9 を詳しく見ると、提案されたSOWOアルゴリズムは他のアルゴリズムに比べてエネルギー削減率が低いことがわかります。

特筆すべきは、開発されたルーティングアルゴリズムではネットワーク内のアクティブノード数が多く、非アクティブなノード数はすべてのルーティングラウンド¹⁷

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
第12世代 Intel(R) Core(TM) i5-1235U (1.30 GHz)	インテル・コーポレーション、アメリカ	–	シミュレーション実行に使用されるハードウェア
16GB DDR4 RAM	キングストン・テクノロジー、アメリカ	–	シミュレーション実行中に使用されるメモリ
MATLAB	MathWorks USA	R2024a	アルゴリズムの実装、WSNシミュレーションの実行、結果解析に使用されます
Microsoft Windows 11 Home	マイクロソフト社、アメリカ	ビルド22631	シミュレーションを実行するためのオペレーティングシステム
MATLABで生成された合成データセット	MathWorks、アメリカ	R2024a	アルゴリズムテスト用に作成されたカスタムデータセット